論中紅外光譜在土壤調查中該如何應用？
一、前言
土壤是基本的自然資源之一，其清查和評估至關重要。由于無法快速測量土壤特性，在土壤調查中清查土壤特性的能力受到了阻礙。使用傳統實驗室技術（例如濕化學）進行土壤分析既昂貴又耗時。
通過實驗室獲得表征樣品可能需要幾個月的時間。為了滿足這一需求，需要更有效（快速）和更具成本效益的方法。本研究的主要目的是試點MIR-DRS聯合PLSR在土壤調查中的應用。
目标是開發一種用于土壤調查現場辦公室的程式，在這些辦公室處理土壤樣品，擷取MIR光譜（使用緊湊型單樣本光譜儀），并使用KSSL光譜庫開發的校準模型獲得預測。
本試驗研究研究的土壤性質為總C、有機C、CaCO3當量，總粘土，CEC，1500 kPa水，以及水和CaCl中的pH值2，這是土壤調查中典型的土壤特性。
這些資訊用于土壤解釋、保護規劃以及土壤分類和制圖。從不存在到51%。來自Mollisols資料集的樣本為模組化提供了廣泛的土壤特性。
二、中紅外模型驗證
模型拟合的優度（R2、RMSE 和 ME），用于預測美國中部 Mollisols 的土壤特性，用于校準和驗證資料集（來自 MIR 庫）。樣品數量包括每個樣品的四個重複。
一般來說，CaCO 的模型3當量，A層的總C，有機C，CEC，A層中的總粘土和A層中的1500 kPa水預測非常好（rc= 0.967–0.996），B層總粘土和B層1500 kPa水的模型預測得相當好（rc= 0.844–0.955）。pH模型預測得最差（rc= 0.750–0.921）。
在A層的測量與預測總C和有機C以及B層的CEC的驗證圖中觀察到輕微的曲率。已知濃度和MIR強度之間的非線性關系發生在MIR-DRS光譜中（15;13）。
如果曲率仍然存在，則可以轉換參考資料（ 之前校準開發，然後傳回轉換 （1;13， 17;53）線性化關系。如圖所示，曲率可能是由與高濃度值相對應的不同化學或樣品組成引起的。
使用從資料子集開發的局部線性模型進行預測可有效消除 MIR 研究中的回歸非線性 5、15 和 16。變換的目标是增加測量值和預測值之間的線性關系。是以，任何線性化變換都應在RMSE和r的改進中實作。c.改進校準以消除回歸曲率将是未來模組化工作的目标。
三、校準傳輸
使用ALPHA獲得的初步結果表明，為VERTEX 70建構的校準可以直接傳輸到ALPHA。使用來自Mollisols資料集的120個樣本測試了直接校準轉移的可行性。
總粘土範圍從0.4到77%，有機C範圍高達6.4%，CaCO3等效範圍從不存在到34%。對于所有屬性，使用ALPHA獲得的預測的RMSE略高于使用VERTEX 70光譜儀。
總C、有機C、總粘土和CaCl中pH值的預測一緻性2有一個 rc>0.950和≤0.990，被歸類為“實質性”，而CEC和1500 kPa水的預測協定被歸類為“中等”。近乎完美的一緻性表明，直接校準傳輸的使用精度損失很小。
屬性的預測誤差越大，光譜儀之間的一緻性強度就越低。當在ALPHA上獲得的重複光譜數量（從1到4）導緻較低的預測誤差和更高的一緻性（即更高的rc值）。
用于光譜儀之間的所有屬性。總 C、有機 C 和 CaCO3等效的有一個 Rc>0.990，表示“近乎完美”的協定。總粘土、CEC 和 1500 kPa 重量法含水量具有“實質性”一緻性，且c>0.95 和 <0.99。隻有pH在光譜儀之間的一緻性較低。
具有低 MIR 預測誤差的特性，例如 CaCO3等效和C有利于用于評估校準轉移，因為減少了與預測和直接校準轉移相關的混雜誤差。校準轉移是一個正在進行的研究領域。
在缺乏用于執行校準轉移的經過驗證的方案的情況下，上述結果表明暫時接受所有屬性的直接校準轉移。正在努力尋找一種校準轉移，這将降低光譜儀之間的預測誤差。
結論：
綜上所述筆者認為：從KSSL光譜儀（VERTEX 70）上獲得的光譜開發的模型到在ALPHA上獲得的光譜，直接校準轉移在使用Lin的一緻性相關性的預測之間，具有“近乎完美”的一緻性。
在預測誤差的比較中，VERTEX 70的表現略高于ALPHA。總之，直接校準轉移是可行的。直接校準轉移成功的一個關鍵因素是實驗室和現場辦公室樣品制備方法、光學工作台之間的一緻性以及缺乏錯位偏差。
參考文獻：
巴爾多克，J.A.，霍克，B.，桑德曼，J.，麥克唐納，L.M.。2013. 從漫反射中紅外光譜預測澳洲土壤中碳及其組分的含量.土壤分辨率 51：577– 595。
比特利，M.，弗盧裡，M..2009. 用壓闆确定的保水曲線誤差.土壤科學學會 73（5）：1453– 1460。
